摘要：简述多源信息融合与故障诊断的关系，指出多源信息融合故障诊断的一般方法。从融合结构和融合算法的角度对多源信息融合故障诊断方法进行了分类阐述，并分别说明其诊断原理与研究现状；指出信息融合故障诊断按融合结构可分为层次结构信息、多级信息和组合神经网络的融合故障诊断，按融合算法分为基于贝叶斯理论、ＤＳ证据理论、模糊集理论、粗糙集理论和人工神经网络的融合故障诊断。最后展望了信息融合故障诊断方法的未来发展趋势。

　　关键词：故障诊断；多源信息融合；融合结构；融合算法

　　随着科技进步和社会发展，越来越多的大型设备系统得到推广和使用，在给人们带来经济效益的同时，安全事故也时常发生。为了减少设备故障带来的经济损失和避免安全事故的发生，人们对故障诊断技术提出了越来越高的要求，故障诊断技术也因此得到了快速发展。近２０年来，多源信息融合故障诊断作为一种智能、高效的故障诊断方法，在故障诊断领域的应用越来越广泛，应用水平也不断提高，已成为故障诊断领域的重要发展方向之一。

　　从诊断学的角度来看，任何一种诊断信息都是模糊的、不确定的。任何一类诊断对象，单用一方面信息来反映其状态都是不完整的。因此，对于实际诊断过程中面临的设备结构的复杂性和运行环境的不确定性等情况，单传感器反映的设备信息已经不能很好地表征整个设备的运行状态，这就要求多种传感器来对设备进行监测和故障诊断。由于传感器的组合方式有同类和异类之分，导致数据量大且庞杂，计算机系统处理起来十分困难，并且占用过多资源，效率低下；同时由于各种不确定因素的存在，导致数据的不确定以及诊断推理过程的不确定，直接增加了诊断的难度。因此故障诊断准确率降低，甚至出现漏检和误诊断现象。利用多源信息融合诊断技术可有效解决这一问题，将多源信息融合技术与故障诊断结合起来主要出于以下原因：１）信息融合能够为故障诊断提供更多的信息，这是因为多传感器能够形成不同的信号且同一信号可以形成不同的特征信息；２）故障诊断系统具有信息融合系统相类似的特征———故障诊断类似于多目标跟踪系统且具有不确定性，这些都是信息融合技术所能解决的。

　　１、多源信息融合故障诊断简介

　　从公开的文献来看，将多源信息融合技术应用到故障诊断领域最早可追溯到２０世纪８０年代，但是，直到１９９５年，覃祖旭和张洪钺才明确地将信息融合的概念同故障诊断结合起来；２００１年，王志鹏发表的博士论文首次提出了基于信息融合技术的故障诊断方法这一概念；２００７年，朱大奇等从融合算法的角度对多源信息融合故障诊断方法进行了综述。随后，多源信息融合故障诊断方法得到了人们的广泛关注，取得了丰硕的研究成果。

　　多源信息融合故障诊断的研究内容主要集中在融合结构和融合算法上。按融合结构可分为层次结构信息、多级信息和组合神经网络的融合故障诊断，按融合算法分为基于贝叶斯理论、ＤＳ证据理论、模糊集理论、粗糙集理论和人工神经网络的融合故障诊断。

　　多源信息融合故障诊断方法常用于旋转机械结构的故障诊断，包括发电机组、电动机和燃油发动机；在电力系统中的应用也很多，如电力系统故障诊断等；当然，在船舶推进系统、液压系统以及电子电路等领域也有较广泛的应用。

　　２、不同融合结构的多源信息融合故障诊断方法

　　多源信息融合故障诊断方法的研究主要从２个大的方面着手，分别是融合结构模型和融合算法，其中融合结构模型又可分为层次结构信息融合故障诊断、多级信息融合故障诊断和组合神经网络信息融合故障诊断。

　　２．１层次结构信息融合故障诊断

　　所谓的层次结构就是按照信息价值的递进关系将融合分为数据层融合、特征层融合和决策层融合的３层融合的结构。这３个层次融合诊断信息的表征水平从低到高，分别满足故障检测、故障识别和故障定位的需要，最终通过融合决策得出诊断结果。

　　１）数据层融合数据层融合是直接对未经预处理的传感器原始观测数据进行综合和分析。要实现数据层融合，其传感器必须相同或匹配，能够在原始数据上实现关联，需要保证是对同一目标或状态的数据融合。对数据层融合，相当于是对单传感器获取的信息处理。基于数据层融合的结果，主要用于故障检测和为特征层融合提供信息２个方面。目前，应用于故障诊断的数据层融合的主要方法有：小波变换、ＦＦＴ、加权平均法、算术平均法和贝叶斯理论等。

　　２）特征层融合特征层融合是先对传感器数据进行预处理以获取数据特征信息和数据匹配，并在其基础上，对所获特征进行关联处理，从而完成目标的融合识别过程。因此，特征层融合实质是一个模式识别问题。同样，特征层融合包括３个主要方面：１）对数据层的融合结果进行有效融合；２）完成对故障的有效识别；３）为更高级的决策层融合提供信息。目前，应用于故障诊断领域的特征层融合方法主要有：人工神经网络、卡尔曼滤波、模式识别诊断方法和模糊理论等。

　　３）决策层融合决策层融合在层次结构中处于最高级。其先根据不同类型的传感器建立起来的监测网络，通过预处理、特征提取、特征识别或判决，来完成对某一目标或状态的监测和初步决策；然后通过关联处理和决策层融合判决获得联合推断结果。因此，决策层融合输出是一个综合所有信息的诊断结果。决策层融合完成了故障定位，并做出对诊断结果的评价。目前，决策层融合常用的方法有贝叶斯推断、ＤＳ证据理论、模糊集理论、粗糙集理论以及人工神经网络等。

　　３个融合层次中，数据层融合保持了尽可能多的客观信息，基本不发生信息丢失或遗漏，但是其处理的数据太多，耗费时间长，实时性差，且对传感器依赖性大；特征层融合既保持了足够数量的重要信息，又大大稀释了数据量，提高了处理过程的实时性，但其对传感器预处理提出了较高的要求；决策层融合对预处理的要求更高，信息损失也大，但是其实时性、抗干扰性和容错性是３层中最好的。目前，从各种文献来看，信息融合方法主要集中在对决策层融合的研究上。

　　层次结构信息融合故障诊断由于模型结构相对简单清晰，所以得到了很多理论研究和实际应用。例如：

　　文献为提高船舶电力推进系统故障诊断的准确率，通过层次结构信息融合故障诊断方法，得到了良好的结果；文献通过改进的神经网络和证据理论结合的决策层融合诊断对发动机进行了故障诊断，取得更准确的诊断结果；文献重点对层次结构信息融合故障诊断做了进一步的挖掘和讨论。

　　２．２多级信息融合故障诊断

　　基于多级信息融合的故障诊断首先利用了同源多传感器的融合能够保证检测信号准确可靠的性质，然后将获得的不同类型的表征信号输入神经网络分类器得出局部决策，再通过模糊积分对所有的局部决策融合，获得最终的诊断结果。概括地讲，该方法分同源融合、网络分类器局部融合和模糊积分全局融合３个融合级别，因此称该方法为多级信息融合的故障诊断方法。从所查文献来看，目前有的研究也采用ＤＳ证据理论来进行全局融合。目前已有不少文献对多级信息融合故障诊断进行了研究和应用。例如：邓丽君根据ＪＤＬ模型并结合泵车液压系统故障特点设计了一个３级多源信息融合诊断系统；饶泓从液压泵站的实际出发，将温度信号和振动信号２种同源信号通过局部决策和全局融合，获得了高精度的最终诊断结果；赵中敏给出了先进制造系统的多级信息融合故障诊断的监控系统，并指出传感器组的设计及算法的选择仍是当前存在的主要问题。

　　２．３组合神经网络信息融合故障诊断

　　组合神经网络信息融合故障诊断方法的基本思想是利用神经网络的特点，对获得的信息进行有效组合，从而从不同的角度进行故障诊断，充分利用了各类信息，最大限度地提高故障诊断的成功率。组合神经网络信息融合有２种实现方式：单子网络直接实现和不同子网络综合决策实现。前者是一种基于特征的局部性融合，而后者是一种基于决策的全局性融合。不同于前面２种融合结构，组合神经网络模型的明显特征是运用了神经网络，确切地说是利用了神经网络的分类和自适应能力，因此为了能智能地解决故障诊断问题，人们对该方法进行了相关研究。例如：文献和文献分别利用组合神经网络的方法解决装载机和变压器的故障诊断问题，均取得了良好的效果。